Pular para o conteúdo principal
Página inicialPythonAprendizagem supervisionada com o scikit-learn

Aprendizagem supervisionada com o scikit-learn

Aprimore suas habilidades com scikit-learn em Python. Use conjuntos de dados reais neste curso interativo e aprenda a fazer previsões poderosas!

Comece O Curso Gratuitamente
4 Horas15 Videos49 Exercicios
120.158 AprendizesTrophyDeclaração de Realização

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.
GroupTreinar 2 ou mais pessoas?Experimente o DataCamp For Business

Amado por alunos de milhares de empresas


Descrição do Curso

Desenvolva suas habilidades de aprendizado de máquina com o scikit-learn e descubra como usar essa popular biblioteca Python para treinar modelos usando dados rotulados. Neste curso, você aprenderá a fazer previsões poderosas, como, por exemplo, se um cliente vai deixar sua empresa, se uma pessoa tem diabetes e até mesmo como classificar o gênero de uma música. Usando conjuntos de dados do mundo real, você descobrirá como criar modelos preditivos, ajustar seus parâmetros e determinar o desempenho deles com dados não vistos.
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados
Experimente O DataCamp for BusinessPara uma solução sob medida , agende uma demonstração.

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Machine Learning Fundamentals with Python

Ir para a trilha

Cientista de aprendizado de máquina com Python

Ir para a trilha
  1. 1

    Classificação

    Grátis

    Neste capítulo, você será apresentado aos problemas de classificação e aprenderá a resolvê-los usando técnicas de aprendizado supervisionado. Você aprenderá a dividir os dados em conjuntos de treinamento e teste, ajustar um modelo, fazer previsões e avaliar a precisão. Você descobrirá a relação entre a complexidade e o desempenho do modelo, aplicando o que aprendeu a um conjunto de dados de rotatividade, no qual classificará o status de rotatividade dos clientes de uma empresa de telecomunicações.

    Reproduzir Capítulo Agora
    Aprendizado de máquina com o scikit-learn
    50 xp
    Classificação binária
    50 xp
    O fluxo de trabalho de aprendizado supervisionado
    100 xp
    O desafio da classificação
    50 xp
    k-Nearest Neighbors: Em forma
    100 xp
    k-Nearest Neighbors: Prever
    100 xp
    Medição do desempenho do modelo
    50 xp
    Divisão de treinamento/teste + precisão do cálculo
    100 xp
    Sobreajuste e subajuste
    100 xp
    Visualização da complexidade do modelo
    100 xp
  2. 2

    Regressão

    Neste capítulo, você será apresentado à regressão e criará modelos para prever valores de vendas usando um conjunto de dados sobre gastos com publicidade. Você aprenderá sobre a mecânica da regressão linear e as métricas de desempenho comuns, como R-quadrado e raiz do erro quadrático médio. Você realizará a validação cruzada k-fold e aplicará a regularização aos modelos de regressão para reduzir o risco de ajuste excessivo.

    Reproduzir Capítulo Agora
  3. 3

    Ajuste fino do modelo

    Depois de treinar os modelos, agora você aprenderá a avaliá-los. Neste capítulo, você será apresentado a várias métricas e a uma técnica de visualização para analisar o desempenho do modelo de classificação usando o scikit-learn. Você também aprenderá a otimizar os modelos de classificação e regressão por meio do uso do ajuste de hiperparâmetros.

    Reproduzir Capítulo Agora
Para Empresas

GroupTreinar 2 ou mais pessoas?

Obtenha acesso à biblioteca completa do DataCamp, com relatórios, atribuições, projetos e muito mais centralizados

Nas seguintes faixas

Certificação disponível

Cientista de dados associado em Python

Ir para a trilha

Machine Learning Fundamentals with Python

Ir para a trilha

Cientista de aprendizado de máquina com Python

Ir para a trilha

Em outras faixas

Aprendizado de máquina supervisionado em Python

Colaboradores

Collaborator's avatar
James Chapman
Collaborator's avatar
Amy Peterson
Collaborator's avatar
Izzy Weber
George Boorman HeadshotGeorge Boorman

Curriculum Manager, DataCamp

Veja Mais

O que os outros alunos têm a dizer?

Junte-se a mais de 14 milhões de alunos e comece Aprendizagem supervisionada com o scikit-learn hoje mesmo!

Crie sua conta gratuita

GoogleLinkedInFacebook

ou

Ao continuar, você aceita nossos Termos de Uso, nossa Política de Privacidade e que seus dados são armazenados nos EUA.